相关疑难解决方法(0)

我有一个图像，我需要在其中检测X行内的符号。

图片：

正如您在上图中所看到的，X线内有一个符号。我想知道符号的 X 和 Y 坐标。有没有办法在这张图片中找到这个符号，或者它很小？

import cv2
import numpy as np


def calculateCenterSpot(results):
    startX, endX = results[0][0], results[0][2]
    startY, endY = results[0][1], results[0][3]
    centerSpotX = (endX - startX) / 2 + startX
    centerSpotY = (endY - startY) / 2 + startY
    return [centerSpotX, centerSpotY]

img = cv2.imread('crop_1.png')
res2 = img.copy()

cords = [[1278, 704, 1760, 1090]]
center = calculateCenterSpot(cords)
cv2.circle(img, (int(center[0]), int(center[1])), 1, (0,0,255), 30)
cv2.line(img, (int(center[0]), 0), (int(center[0]), img.shape[0]), (0,255,0), 10)
cv2.line(img, (0, …

我正在做一个只是为了好玩的项目，我的目标是玩在线扑克并让程序识别桌上的牌。我正在使用带有 python 的 OpenCV 来隔离卡片所在的区域。我已经能够拍摄该区域的图像，对其进行灰度和阈值处理，并在卡片边缘绘制轮廓。我现在被困在如何前进的问题上。

到目前为止，这是我的代码：

import cv2
from PIL import ImageGrab
import numpy as np

def processed(image):
    grayscaled = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    thresholded = cv2.Canny(grayscaled, threshold1 = 200, threshold2 = 200)

    return thresholded

def drawcard1():
    screen = ImageGrab.grab(bbox = (770,300,850,400))

    processed_img = processed(np.array(screen))  

    outside_contour, dummy = cv2.findContours(processed_img.copy(), 0,2)

    colored = cv2.cvtColor(processed_img, cv2.COLOR_GRAY2BGR)

    cv2.drawContours(colored, outside_contour, 0, (0,255,0),2)     

    cv2.imshow('resized_card', colored)

while True:
    drawcard1()



    if cv2.waitKey(25) & 0xFF == ord('w'):
        cv2.destroyAllWindows()
        break

这是我到目前为止的结果：

我需要能够获取轮廓的内部，并删除它外部的任何东西。然后生成的图像应该只是卡片，我需要将其缩放到 49x68 像素。一旦我能做到这一点，我的计划是获得等级和西装的轮廓，并用白色像素填充它，然后我会将其与一组图像进行比较以确定最适合的。

我对 OpenCV 和图像处理非常陌生，但我发现这些东西非常吸引人！我已经能够通过谷歌走到这一步，但这次我找不到任何东西。

这是我现在用来替换游戏的图像：

这是我将用来比较桌卡的图像之一：

我有数百张珠宝产品的图片。其中一些带有“畅销书”标签。标签的位置因图像而异。我想遍历所有图像，如果图像具有此标签，则将其删除。结果图像将在移除对象的像素上渲染背景。

带有标签/贴纸/对象的图像示例：

要移除的标签/贴纸/对象：

import numpy as np
import cv2 as cv

img = plt.imread('./images/001.jpg')
sticker = plt.imread('./images/tag.png',1)
diff_im = cv2.absdiff(img, sticker)

我希望得到的图像是这样的：